1樓：
框架不一樣
Tasks 並行化：
MapReduce:
Map()把上傳到hdfs的檔案一行一行拆分，然後你coding一對key-value pair，傳送給不同worker nodes，Reduce()進行統一key的歸納操作
Data 並行化：
Spark
2樓：
mapreduce和spark都是分布式計算框架，相對於傳統分布式計算來說，兩者給程式設計師提供了方便的分布式計算環境，我們不需要考慮底層怎麼平行計算，怎麼協調同步，怎麼容錯，我們只需考慮我們的業務就可以完成分布式計算。
而兩者的側重點也不同，mr適合批處理，對時效性要求不高的離線計算等等，因為它在計算的時候會將計算中間結果溢寫到磁碟上，io消耗比較大，而spark是基於記憶體的計算框架，直接在記憶體中完成計算，從這點來說它的計算速度是很好的，spark有很多模組比如實時計算，圖計算，sparkSQL等等，從程式設計上來說如果用Scala會非常方便。
上述說明並不意味著spark完全優於Mr，只是兩者側重點不同，在大資料生態中對於計算引擎的選擇要考慮多方面因素，比如資源消耗，計算效能，穩定性，計算場景等。
3樓：
從 MR 和 spark 解決的問題來說吧。
1. disk io 密集問題的分布式求解2. 自動容錯，解放了人類生產力
如果沒有這個系統，會很累很累的
spark 是對 MR 的公升級，兩者本質上是一致的。
spark的出現,對Mapreduce的影響有多大？
take me mapreduce肯定是要深入學習的，最好看看原始碼，對你理解分布式計算大有裨益。mapreduce，spark,flink都是計算框架，每一種都有其設計的優劣，至於背不背淘汰看公司和業需求吧。 大資料技術架構 首先，Spark的出現對MapReduce的影響巨大，甚至Spark可以...
spark和deeplearning的關係，想做大資料處理分析，是該專注於學spark還是深度學習呢？
這得看題主將來是想找更偏重演算法還是更偏重系統開發的工作？當然兩者都擅長是最好了，但是Spark好像不太適合deep learning，題主可以嘗試一下別的框架，例如tensorflow，caffe。ps，我覺得你應該聽你導師的，逃！ 沒啥關係。Spark只是乙個框架而已，在上面跑什麼都可以。把Sp...
Hadoop和Spark有什麼區別
姬不鬧 對比不恰當。應該去關注hove和spark的區別。不完整的比喻，hadoop是鐵軌，上面跑綠皮車hive和跑高鐵spark有區別。而不應該問鐵軌和高鐵有什麼區別。 windofjava 誕生的先後順序，hadoop屬於第一代開源大資料處理平台，而spark屬於第二代 屬於下一代的spark肯...